ไขคำตอบของปัญหาคาใจเกมเมอร์ยุคนี้ ทำไมโลกพัฒนาไปไกลแต่ AI ในเกมยังไม่ล้ำเสียที
เราอยู่ในยุคที่ใครๆก็พูดถึงการนำเทคโนโลยี AI มาเป็นจุดขายหรือสร้างความได้เปรียบในการแข่งขันให้กับสินค้าหรือบริการของตนเอง แต่หากย้อนกลับไปในช่วง 10- 20 ปีก่อน เราจะพบว่าวิดีโอเกมนี่แหละ คือสินค้าประเภทแรกที่ยก AI เป็นจุดขายทางธุรกิจ ไม่ว่าจะเป็นสัตว์ตัวแทนเทพเจ้าในเกม Black & White ที่ชูจุดขายใช้ reinforcement learning AI เพื่อให้สัตว์ปรับเปลี่ยนพฤติกรรมตามสไตล์การเล่นของเรา หรืออย่างเกม Far Cry, Crysis และ Halo ภาคแรกๆที่ชู Game AI ที่ฉลาดท้าทายเป็นจุดขายของเกม เพราะเปิดประสบการณ์ใหม่ให้แก่ผู้เล่นด้วย Game AI ที่มีลูกล่อลูกชน รู้จักหลบกระสุนหรือทำงานเป็นทีม แทนที่จะโผล่มาให้ยิงเฉยๆเหมือนเกมในอดีต
“Train your creature and watch it evolve its own personality according to your action towards it.” หนึ่งในจุดขายของเกม Black and White (2001), ภาพจาก myabandonware.com
แต่ในปัจจุบัน Game AI กลับแทบไม่ได้มีการพัฒนาหรือเปลี่ยนแปลงไปจากเดิมเลย Game AI ไม่ใช่จุดขายสำคัญของเกมฟอร์มยักษ์อีกต่อไป ยิ่งในเกมแนว FPS เราจะยิ่งเห็นชัดว่าความฉลาดของ Game AI เมื่อสิบปีก่อนเป็นอย่างไร ทุกวันนี้ก็เป็นอย่างนั้น
เกิดอะไรขึ้นกับวงการพัฒนา Game AI ที่แน่นิ่งอยู่กับที่ท่ามกลางกระแสที่ไม่ว่าธุรกิจไหนก็พูดถึง AI
เรามาพูดถึง 4 เหตุผลที่สะท้อนให้เห็นถึงความท้าทายในการพัฒนา Game AI ในปัจจุบันกันดีกว่า:
1. ความซับซ้อนของโลกในเกมสมัยใหม่ ทำให้การพัฒนา Game AI ยากขึ้นเป็นทวีคูณ
ความสามารถพื้นฐานที่สุดที่ Game AI ต้องมีคือความสามารถในการพาตัวเองจากจุด A ไปยังจุด B (pathfinding) ได้โดยไม่ติดขัดสิ่งกีดขวางใดๆ การพัฒนาให้ Game AI หาเส้นทางการเดินให้ตัวเองแบบไม่มีตัวช่วยหรือการมี script ไว้ล่วงหน้านั้นเป็นเรื่องที่ยากมากเพราะสภาพแวดล้อมในเกมสามารถเปลี่ยนแปลงได้ตลอดเวลา ผู้พัฒนาเกมจึงใช้เทคนิคเช่นการตั้ง waypoint หรือการเขียน script ให้ AI รู้ล่วงหน้าว่าต้องเดินไปทางไหน ตรงไหนใช้หลบ หรือจะเดินโอบล้อมโจมตีอย่างไรตามตำแหน่งของผู้เล่น
แต่เมื่อเกมเข้าสู่ยุค dynamic/destructible environments เช่นเกม Battlefield ที่สภาพแวดล้อมของเกมสามารถเปลี่ยนไปอย่างสิ้นเชิงและเปลี่ยนแปลงได้เป็นพัน ๆ รูปแบบ การพัฒนา Game AI จึงยากขึ้นเท่าทวีคูณ
เพราะเมื่อสภาพแวดล้อมยิ่งซับซ้อน Game AI ก็ต้องซับซ้อนมากขึ้น ซึ่งอาจใช้เวลาพัฒนามากขึ้นจนไม่คุ้มกับต้นทุนกับเวลาที่เสียไป dynamic/destructible environments ยังทำให้การเขียน script ของ Game AI ล่วงหน้ายากขึ้นเพราะแรงมนุษย์ไม่คงไม่สามารถเขียน script ของ Game AI ไว้ล่วงหน้าสำหรับเกมที่มีความเป็นไปได้เป็นพัน ๆ รูปแบบ นอกจากนี้ ผู้เล่นส่วนใหญ่ไม่ได้สนใจการเล่นคนเดียวกับ Game AI ใน Skirmish mode แล้วอีกด้วย
ตัวอย่าง destructible environments จาก Battlefield 3 (2011), ภาพจาก battlefield.wikia.com
2. Game AI ยิ่งฉลาดยิ่งกินงบประมาณ และอาจไม่คุ้มกับผลลัพธ์ที่ได้
ถ้าให้เลือกระหว่าง Game AI ที่ฉลาดขึ้นกับภาพกราฟฟิคที่สวยขึ้นใน computational power ที่มีจำกัด ผู้พัฒนาส่วนใหญ่ย่อมตัดสินใจจัดสรรพลังการประมวลผลของเครื่องเกมไปกับระบบกราฟฟิคที่มีผลลัพธ์ที่ชัดเจนมากกว่า การพัฒนาให้ Game AI ฉลาดขึ้นมาพร้อมกับความเสี่ยงที่ไม่คุ้มเสี่ยง
เนื่องจากผู้เล่นอาจไม่สามารถรับรู้ความแตกต่างของ Game AI ที่ฉลาดขึ้น นอกจากนี้ Game AI ยิ่งซับซ้อนก็ยิ่งตรวจสอบยาก ยิ่งเสี่ยงต่อ bug ต่างๆที่เกิดจากการตัดสินใจแปลกๆของ Game AI ผู้พัฒนาเกมจึงเน้นใช้ทางลัดที่ง่ายและเร็วกว่า เช่น Game AI ที่เป็นผู้ติดตามเราในเกมอย่าง Uncharted หรือ God of War แทนที่จะลงทุนสร้าง Game AI ที่จะเดินตามผู้เล่นโดยไม่สะดุดซึ่งอาจต้องเสียงบประมาณและระยะเวลาในการคิดค้นออกแบบมหาศาล ผู้พัฒนาเกมก็จะเลือกวิธีที่ง่ายและเร็วกว่า นั่นคือการให้ตัวละครวาร์ปตามเรามาอย่างเนียน ๆ ระหว่างที่เราไม่ได้มองไปยังตัวละครนั่นเอง
3.Adaptive Game AI ความฝันของ game developers ที่ยังห่างไกลความเป็นจริง
Adaptive Game AI หรือ Learning Game AI ที่ตัวละครในเกมจะเรียนรู้และปรับเปลี่ยนพฤติกรรมและการตัดสินใจของตัวละครไปตามลักษณะรูปแบบของผู้เล่นเคยเป็นความฝันของผู้พัฒนาเกมจำนวนมาก เนื่องจาก Adaptive Game AI จะทำให้ผู้เล่นแต่ละคนเจอความท้าทายที่ตรงกับความสามารถของผู้เล่นได้ตลอดเวลา ไม่ว่าผู้เล่นจะเล่นเกมซ้ำอีกกี่รอบก็ตาม
Adaptive Game AI แตกต่างจากการเอาระบบเก็บสถิติของผู้เล่นมาเปลี่ยนลักษณะของ Game AI เช่นเกม Metal Gear Solid V: The Phantom Pain ที่หากผู้เล่นใช้วิธียิง headshots มากแล้วศัตรูในเกมจะเริ่มเอาหมวกกันกระสุนมาใส่ แต่ Adaptive Game AI หมายถึงการที่ Game AI สามารถปรับเปลี่ยนกลยุทธ์การตัดสินใจในเกม เช่นเทคนิคการบุกโจมตี หรือการวางแผนตั้งรับ จนมีฝีมือเทียบเท่าหรือเอาชนะผู้เล่นตามสไตล์การเล่นแต่ละคนได้
อย่างไรก็ตาม Adaptive Game AI ในทางปฏิบัติก็ไม่ต่างกับการทำ machine learning เพื่อวิเคราะห์รูปแบบและสไตล์ของผู้เล่น ที่ต้องใช้เวลาและการปะทะกับผู้เล่นซ้ำแล้วซ้ำอีกเป็นสิบรอบจนกว่า Game AI จะสามารถมีฝีมือใกล้เคียงกับผู้เล่นได้ โดยมีเงื่อนไขว่าผู้เล่นจะต้องเล่นสไตล์เดียวซ้ำๆซึ่งไปเป็นได้ยากมากในทางปฏิบัติ การพัฒนา Adaptive Game AI ในวีดิโอเกมจึงค่อยถดถอยลงไป บางส่วนยังเหลือเพียงการสร้าง Adaptive Game AI ขึ้นมาสู้กับ Default Game AI เพื่อเหตุผลของการ debugging ตัวเกมเท่านั้น
ตัวอย่างการทำงานของ Adaptive Game AI ที่มาทดลองใช้ในเกม Neverwinter Nights จากงานวิจัยชื่อ Adaptive Game AI with Dynamic Scripting โดย Pieter Spronck, Marc J. V. Ponsen, Ida G. Sprinkhuizen-Kuyper, Eric O. Postma (2006), ภาพจาก semanticscholar.org
4. ผู้เล่นไม่ได้ต้องการ Game AI ที่ฉลาดขึ้น แต่ต้องการ Game AI ที่ทำให้เกม “สนุกขึ้น”
การที่จะออกแบบ Game AI ให้มีความฉลาดนั้นเป็นคนละเรื่องกับการออกแบบ Game AI ให้เกมสนุก ความฉลาดที่พอดีของ Game AI จึงเป็นสิ่งสำคัญ ฉลาดเกินไปผู้เล่นก็ไม่สนุก ผู้พัฒนาจึงเลือกที่จะใช้วิธีที่ตรงไปตรงมามากกว่าในการท้าทายผู้เล่น ไม่ว่าจะเป็นการเพิ่มเลือด เพิ่มเกราะ หรือเพิ่มพลังโจมตีให้ AI แล้วให้ Game AI มีจังหวะการเคลื่อนไหวที่ผู้เล่นสามารถคาดการณ์ได้เพื่อให้ผู้เล่นสามารถจับทางและเอาชนะได้ หรือการเพิ่ม random factor เข้ามาเพื่อให้ Game AI สุ่มการตัดสินใจของตนไม่ให้เหมือนกันในการเล่นแต่ละครั้ง เพราะถึงที่สุดแล้วเราจะต้องการให้ Game AI มีความฉลาดซับซ้อนแค่ไหนกัน หาก Game AI ตัวนั้นจะมีชีวิตอยู่ในเกมไม่ถึง 15 วินาทีให้ผู้เล่นได้บันเทิงเริงใจระหว่างเนื้อเรื่องเท่านั้น
สุดท้ายนี้ ถึงแม้ว่าการพัฒนา Game AI ในเกมที่เราเล่นกันทั่วไปจะมีอุปสรรคทั้งทางเทคโนโลยีและเหตุผลทางธุรกิจ แต่เรากำลังเข้าสู่ยุคใหม่ของการพัฒนา Game AI ที่วัตถุประสงค์ไม่ใช่เรื่องของความสนุกของผู้เล่นทั่วไป แต่เป็นการเอาชนะ pro player เพื่อหาเทคนิคการเล่นที่มนุษย์คาดไม่ถึง เช่น บริษัทวิจัยด้าน AI อย่าง DeepMind กำลังวิจัย AI สำหรับเกม StarCraft เป็นต้น
ไม่แน่อนาคตเราอาจจะได้เห็น Game AI ที่สามารถเอาชนะผู้เล่นแชม์โลกได้ด้วยแผนการเล่นที่มนุษย์คิดไม่ถึงมาก่อน
อย่างที่ AlphaGo ได้พลิกโฉมวงการโกะอาชีพไปนั่นเอง
